| 基于改进编解码网络的钢箱梁疲劳裂纹分割 |
| |
| 作者姓名： | 邓露 香超 王维 曹然 |
| |
| 作者单位： | 1. 湖南大学土木工程学院;2. 湖南大学工程结构损伤诊断湖南省重点实验室 |
| |
| 基金项目： | 国家自然科学基金资助项目(51778222,51808209,52108136)； |
| |
| 摘 要： | 针对基于图像的疲劳裂纹检测方法精度受焊缝、涂层等复杂背景因素影响较大的问题，提出了一种基于深度学习的空洞金字塔注意力网络(APA-Net)模型用于疲劳裂纹分割．在传统编解码网络的基础上引入预训练ResNet34模型、密集空洞卷积(DAC)模块、尺度感知金字塔融合(SAPF)模块和注意力门控(AG)机制，极大地提升了模型提取多尺度上下文信息的能力．通过图像裁剪制作了包含多种干扰因素的钢箱梁疲劳裂纹分割数据集，然后利用该数据集对APA-Net,FCN,U-Net,Attention U-Net,U-Net++和CE-Net等经典网络进行测试，结果表明：所提出的APA-Net在复杂背景干扰下对钢箱梁表面图像中的疲劳裂纹提取能力最佳，分割结果的平均交并比达72.2%，比其他经典网络中表现最优的CE-Net的平均交并比提高了约4%．最后通过消融实验讨论了所提模块对裂纹分割精度的影响．
|
| 关 键 词： | 疲劳裂纹检测 钢箱梁 复杂背景 编解码网络 密集空洞卷积模块 |
|
|
